從關(guān)系數(shù)據(jù)庫學(xué)習(xí)OWL本體的方法

王 琦

（南京工程學(xué)院 計(jì)算機(jī)工程學(xué)院，江蘇 南京211167）

本體是語義Web的關(guān)鍵使能技術(shù)。使用現(xiàn)有本體編輯器手工開發(fā)本體是一項(xiàng)冗長而繁瑣的工作，極易導(dǎo)致知識獲取的瓶頸，所以本體學(xué)習(xí)[1]技術(shù)應(yīng)運(yùn)而生。它極大地簡化了本體的構(gòu)建，滿足了語義Web對于快速簡便構(gòu)造本體的需求，在語義Web中起到了杠桿的作用。關(guān)系數(shù)據(jù)庫是基于Web的數(shù)據(jù)密集型應(yīng)用的主要信息源，數(shù)據(jù)庫模式中隱含著領(lǐng)域知識。因此，從關(guān)系數(shù)據(jù)庫學(xué)習(xí)出的OWL本體更適合于數(shù)據(jù)密集型Web應(yīng)用的需要。本文在形式化表示關(guān)系數(shù)據(jù)庫模式和OWL本體的基礎(chǔ)上，介紹了一種從關(guān)系數(shù)據(jù)庫半自動學(xué)習(xí)OWL本體的方法，設(shè)計(jì)出一套通用的映射方法和規(guī)則，并基于Java 2平臺實(shí)現(xiàn)了原型工具OntoLearner。

1 關(guān)系數(shù)據(jù)庫模式

關(guān)系數(shù)據(jù)庫模型是以集合論中的關(guān)系(relation)概念為基礎(chǔ)發(fā)展起來的數(shù)據(jù)模型[2]。為了便于形式化描述本體學(xué)習(xí)方法中的映射規(guī)則，這里給出了關(guān)系數(shù)據(jù)庫模式的形式化定義（符合3NF）。

定義 1：一個關(guān)系數(shù)據(jù)庫模式 S=(L，pkey，unique，notnull，fkey，subof，fdependency)是七元組，其中：

(1)名集L=E∪R∪D是一個有限集，由兩兩不相交的集合組成：

①一個實(shí)體關(guān)系（entity relation）名的集合E；

②一個聯(lián)系關(guān)系（relationship relation）名的集合R；

③一個數(shù)據(jù)類型（data type）名的集合 D，每個數(shù)據(jù)類型名是RDBMS預(yù)定義的數(shù)據(jù)類型名。

(2)?T∈E∪R，T有一個非空的屬性集合 att(T)，且每個屬性A∈att(T)有一個相關(guān)的預(yù)定義數(shù)據(jù)類型type(A)∈D作為它的取值范圍，其中type(*)表示“*”的預(yù)定義數(shù)據(jù)類型。

(3)?T∈E∪R，T的屬性集 att(T)中所有屬性的一次取值的組合稱為T的一個元組，其中，每個屬性取值（稱屬性值）稱為相應(yīng)屬性在此元組中的一個實(shí)例（instance），在某個時刻T的所有元組所組成的集合tup(T)稱為T的一個實(shí)例。

(4)?T∈E∪R，T有且僅有一個唯一決定其元組的屬性或?qū)傩越M稱為T的主鍵pkey(T)：要么pkey(T)只包含一個屬性（稱pkey(T)為單主鍵，此時T是實(shí)體關(guān)系），要么 pkey(T)包含多個屬性（稱 pkey(T)為復(fù)合主鍵，此時T是聯(lián)系關(guān)系）。

(5)?T∈E∪R，若存在屬性 A∈att(T)，且 A的所有元組在T中取值唯一，則稱A為T的唯一屬性，可表示為布爾函數(shù) unique(A)=True；否則 unique(A)=False。

(6)?T∈E∪R，若存在屬性 A∈att(T)，且 A的所有元組在T中取值非空，則稱A為T的非空屬性，可表示為布爾函數(shù) notnull(A)=True；否則 notnull(A)=False。

(7)?T∈E∪R，T中一個引用其他實(shí)體關(guān)系 G∈E主鍵 pkey(G)的屬性稱為 T的外鍵 fkey(T，G)，滿足：fkey(T，G)?att(T)且 value(fkey(T，G))?value(pkey(G))∪{null}，其中 value(*)表示“*”的值域，“null”表示空值。T可能有 0·n(n≥0)個外鍵。

(8)對?T∈E，若T引用G∈E主鍵的外鍵的同時又作為 T 的主鍵（即 fkey(T，G)=pkey(G)∈att(T)），則 稱T和G之間存在 “子/超關(guān)系”，T為G的子實(shí)體關(guān)系，G為T的超實(shí)體關(guān)系，此時可表示為布爾函數(shù)subof(T，G)=Ture；否則 subof(T，G)=False。若干個連續(xù)的子/超實(shí)體關(guān)系對構(gòu)成關(guān)系數(shù)據(jù)庫模式中的一個子/超實(shí)體關(guān)系層次。

(9)?T∈E∪R，α、β?att(T)，α≠β，對?t1，t2∈tup(T)，若有 t1[α]=t2[α]，則必有 t1[β]=t2[β]，則稱 α 和 β 之間存在函數(shù)依賴關(guān)系，β 函數(shù)依賴于 α(或 α 函數(shù)決定 β)，α稱為函數(shù)依賴的決定子，β稱為函數(shù)依賴的被決定子，此時可表示為布爾函數(shù) fdependency(α，β)=True（簡記為fdependency(α，β)），否則 fdependency(α，β)=False。 T 中所有函數(shù)依賴關(guān)系組成的集合稱為T的函數(shù)依賴集，記為FT。

定義 2：?T∈E∪R，α、β?att(T)，α≠β，β?α，?fdependency(α，β)∈FT， 滿 足 下 列 條 件 之 一 ：(1)α 是 超鍵；(2)β是主屬性，則此關(guān)系T屬于第三范式。若關(guān)系數(shù)據(jù)庫模式中的所有關(guān)系均屬于第三范式，則稱其為規(guī)范化至第三范式（3NF）的關(guān)系數(shù)據(jù)庫模式。

2 OWL本體

本體是一組描述某領(lǐng)域內(nèi)概念及其屬性以及概念間關(guān)系的詞匯和公理的集合。W3C在2004年2月發(fā)布了標(biāo)準(zhǔn)化的Web本體語言O(shè)WL[3]。這里給出OWL DL本體的形式化定義。

定義 3：一個 OWL DL本體 O=(Cept，Axiom)是二元組，其中：

(1)標(biāo)識符集Cept=CID∪DPID∪OPID∪DTID是一個有限集，由兩兩不相交的集合組成：

①一個類（class）標(biāo)識符集 CID；

②一個數(shù)據(jù)類型屬性(datatype property)標(biāo)識符集DPID；

③一個對象屬性（object property）標(biāo)識符集OPID；

④一個數(shù)據(jù)類型（data type）標(biāo)識符集 DTID，每個數(shù)據(jù)類型標(biāo)識符是OWL本體中使用的預(yù)定義XML Schema數(shù)據(jù)類型標(biāo)識符。

(2)公理集Axiom=CAxiom∪PAxiom是一個有限集，由兩兩不相交的集合組成：

①一個類公理（class axiom）集 CAxiom，包含本體中定義的所有類公理；

②一個屬性公理（property axiom）集 PAxiom，包含本體中定義的所有屬性公理。

3 從關(guān)系數(shù)據(jù)庫學(xué)習(xí)OWL本體的方法

從關(guān)系數(shù)據(jù)庫學(xué)習(xí)OWL本體的可行性基于以下事實(shí)：運(yùn)用數(shù)據(jù)庫逆向工程方法可從關(guān)系數(shù)據(jù)庫模式中提取ER模式[4]；ER模式可語義保持地轉(zhuǎn)換成OWL本體[5-6]。因此，本文針對現(xiàn)有本體學(xué)習(xí)方法和工具的不足，提出了一種從關(guān)系數(shù)據(jù)庫學(xué)習(xí)OWL本體的方法，該方法分為關(guān)系數(shù)據(jù)庫的逆向工程和從關(guān)系數(shù)據(jù)庫模式到OWL本體的映射兩部分。

3.1 關(guān)系數(shù)據(jù)庫的逆向工程

數(shù)據(jù)庫逆向工程DBRE(Database Reverse Engineering)指的是從物理數(shù)據(jù)庫恢復(fù)數(shù)據(jù)庫邏輯和概念模式，一般分成兩個互相獨(dú)立的階段：數(shù)據(jù)結(jié)構(gòu)的提取和概念化。在研究和分析數(shù)據(jù)庫逆向工程現(xiàn)有理論和方法的基礎(chǔ)上，本文制定了一套適合本體學(xué)習(xí)工程環(huán)境的較完備的逆向工程方法。

3.2 從關(guān)系數(shù)據(jù)庫模式到OWL本體的映射

為了形式化表示從關(guān)系數(shù)據(jù)庫模式到OWL本體的映射規(guī)則，需要預(yù)先定義以下輔助函數(shù)：

(1)IS(x)：布爾函數(shù)。 若 x（表達(dá)式）成立，則 IS(x)=True；否則 IS(x)=False。

(2)idMap(ID)：將關(guān)系數(shù)據(jù)庫模式中的關(guān)系名和屬性名映射為OWL本體中的同名標(biāo)識符。即若ID是關(guān)系數(shù)據(jù)庫模式中的關(guān)系名和屬性名，則idMap(ID)=ID∈CID∪DPID∪OPID。

(3)dtMap(DT)：將關(guān)系數(shù)據(jù)庫模式中的數(shù)據(jù)類型名映射為OWL本體中使用的數(shù)據(jù)類型（XML Schema數(shù)據(jù)類型）標(biāo)識符。即若DT是關(guān)系數(shù)據(jù)庫模式中的數(shù)據(jù)類型名，則 dtMap(DT)=DType∈DTID。

3.2.1 屬性公理的生成規(guī)則

規(guī)則1將關(guān)系數(shù)據(jù)庫模式中關(guān)系的非外鍵屬性及其相應(yīng)的預(yù)定義數(shù)據(jù)類型映射為OWL本體中以關(guān)系對應(yīng)類為定義域的數(shù)據(jù)類型屬性及其相應(yīng)的預(yù)定義XML Schema數(shù)據(jù)類型。形式化表示為：

?T，G∈E∪R∧?A∈att(T)∧?IS(A=fkey(T，G))→DatatypeProperty(idMap(T_A)domain(idMap(T))range(dtMap(type(A))))。

規(guī)則2將關(guān)系數(shù)據(jù)庫模式中關(guān)系T引用實(shí)體關(guān)系G主鍵的外鍵(且不是T的主鍵也不屬于T的主鍵)作如下映射：生成一個新的OWL本體中的類（聯(lián)系類），一對分別以T對應(yīng)類和聯(lián)系類為定義域的互逆的對象屬性，一對分別以G對應(yīng)類和聯(lián)系類為定義域的互逆的對象屬性。形式化表示為：

?T∈E∪R∧?G∈E∧?A∈att(T)∧?IS(A=pkey(T))∧?IS(A∈pkey(T))∧IS(B=pkey(G))∧IS(A=fkey(T，G))→ObjectProperty(idMap(T_A)domain(idMap(T))range(dtMap(T_G)))，ObjectProperty(idMap(G_B)domain(idMap(G))range(idMap(T_G)))，ObjectProperty(idMap(T_G_A)domain(idMap(T_G))range(idMap(T))inverseOf(idMap(T_A)))，ObjectProperty(idMap(T_G_B)domain(idMap(T_G))range(idMap(G))inverseOf(idMap(G_B)))。

規(guī)則3將關(guān)系數(shù)據(jù)庫模式中關(guān)系T引用實(shí)體關(guān)系G主鍵的外鍵(且同時又是T的主鍵或?qū)儆赥的主鍵）映射為OWL本體中一對分別以T對應(yīng)類和G對應(yīng)類為定義域的互逆的對象屬性。形式化表示為：

?T∈E∪R∧?G∈E∧?A∈att(T)∧(IS(A=pkey(T))∨IS(A∈pkey(T)))∧IS(B=pkey(G))∧IS(A=fkey(T，G))→ObjectProperty(idMap(T_A)domain(idMap(T))range(dtMap(G)))，ObjectProperty(idMap(G_B)domain(idMap(G))range(idMap(T_G))inverseOf(idMap(T_A)))。

規(guī)則4將關(guān)系數(shù)據(jù)庫模式中實(shí)體關(guān)系的主鍵（且非外鍵）映射的OWL本體的數(shù)據(jù)類型屬性聲明為函數(shù)屬性。形式化表示為：

?T，G∈E∧?A∈att(T)∧IS(A=pkey(T))∧?IS(A∈fkey(T，G))→DatatypeProperty(idMap(T_A)Functional)。

規(guī)則5將關(guān)系數(shù)據(jù)庫模式中關(guān)系取值唯一的非外鍵屬性映射的OWL本體的數(shù)據(jù)類型屬性聲明為函數(shù)屬性。形式化表示為：

?T，G∈E∪R∧?A∈att(T)∧?IS(A=fkey(T，G))∧unique(A)→DatatypeProperty(idMap(T_A)Functional)。

3.2.2 類公理的生成規(guī)則

規(guī)則6將關(guān)系數(shù)據(jù)庫模式中關(guān)系的非外鍵屬性映射為OWL本體中的類公理。形式化表示為：

?T，G∈E∪R∧?A∈att(T)∧?IS(A=fkey(T，G))→Class(idMap(T)partial restriction(idMap(T_A)allValueFrom(dtMap(type(A)))minCardinality(0)maxCardinality(1)))。

規(guī)則7將關(guān)系數(shù)據(jù)庫模式中關(guān)系T引用實(shí)體關(guān)系G主鍵的外鍵(且不是T的主鍵也不屬于T的主鍵)映射為OWL本體中的類公理。形式化表示為：

?T∈E∪R∧?G∈E∧?A∈att(T)∧?IS(A=pkey(T))∧?IS(A∈pkey(T))∧IS(B=pkey(G))∧IS(A=fkey(T，G))→Class(idMap(T)partial restriction(idMap(T_A)allValueFrom(idMap(T_G))))，Class(idMap(G)partial restriction(idMap(G_B))allValueFrom(idMap(T_G))))，Class(idMap(T_G)partial restriction(idMap(T_G_A))allValueFrom(idMap(T))))，Class(idMap(T_G)partial restriction(idMap(T_G_B))allValueFrom(idMap(G))))。

規(guī)則8將關(guān)系數(shù)據(jù)庫模式中關(guān)系T引用實(shí)體關(guān)系G主鍵的外鍵(且同時又是T的主鍵或?qū)儆赥的主鍵)映射為OWL本體中的類公理。形式化表示為：

?T∈E∪R∧?G∈E∧?A∈att(T)∧(IS(A=pkey(T))∨IS(A∈pkey(T)))∧IS(B=pkey(G))∧IS(A=fkey(T，G))→Class(idMap(T)partial restriction(idMap(T_A)allValueFrom(idMap(G))))，Class(idMap(G)partial restriction(idMap(G_B)allValueFrom(idMap(T))))。

規(guī)則9將關(guān)系數(shù)據(jù)庫模式中實(shí)體關(guān)系的主鍵屬性（且非外鍵屬性）映射為OWL本體中的類公理。形式化表示為：

?T，G∈E∧?A∈att(T)∧IS(A=pkey(T))∧?IS(A=fkey(T，G))→Class(idMap(T)partial restriction(idMap(T_A)Cardinality(1)))。

規(guī)則10將關(guān)系數(shù)據(jù)庫模式中關(guān)系取值不為空的屬性（且非外鍵屬性）映射為OWL本體中的類公理。形式化表示為：

?T，G∈E∪R∧?A∈att(T)∧?IS(A=fkey(T，G))∧notnull(A)→Class(idMap(T)partial restriction(idMap(T_A)Cardinality(1)))。

3.2.3 類關(guān)系的啟發(fā)式規(guī)則

規(guī)則11如果兩個實(shí)體關(guān)系的主鍵之間存在包含依賴關(guān)系，則這兩個關(guān)系對應(yīng)的OWL本體中的兩個類之間存在父類和子類的關(guān)系。形式化表示為：

?T，G∈E∧idependency(T，G))→SubClassOf(idMap(T)idMap(G))。

規(guī)則12關(guān)系數(shù)據(jù)庫模式中的每個聯(lián)系關(guān)系映射的類與OWL本體中的其他類之間是互不相交的。形式化表示為：

?T∈R∧?W∈CID∧idMap(T)≠W→DisjointClassers(idMap(T)W)。

規(guī)則13關(guān)系數(shù)據(jù)庫模式中關(guān)系T引用實(shí)體關(guān)系G主鍵的外鍵（且不是T的主鍵也不屬于T的主鍵））映射生成的類（聯(lián)系類）與OWL本體中的其他類之間是互不相交的。形式化表示為：

?T∈E∪R∧?G∈E∧?A∈att(T)∧?IS(A=pkey(T))∧?IS(A∈pkey(T))∧IS(A∈fkey(T，G))∧?W∈CID∧idMap(T_G)≠W→DisjointClassers(idMap(T_G)W)。

3.3 OntoLearner設(shè)計(jì)思想

本體學(xué)習(xí)工具OntoLearner的體系結(jié)構(gòu)如圖1所示。基于OntoLearner，本體學(xué)習(xí)的過程由下面三個子過程組成：

(1)關(guān)系數(shù)據(jù)庫的逆向工程。使用逆向工程的方法從關(guān)系數(shù)據(jù)庫中獲取規(guī)范化至3NF的數(shù)據(jù)庫模式信息，明確數(shù)據(jù)源的語義；

(2)從關(guān)系數(shù)據(jù)庫模式到OWL本體的映射。以提取出的關(guān)系數(shù)據(jù)庫模式（3NF）作為輸入，按照一組通用的啟發(fā)式規(guī)則實(shí)現(xiàn)從關(guān)系數(shù)據(jù)庫模式到OWL本體的映射，并以可視化的方式顯示；

(3)利用現(xiàn)有本體工程工具對生成的OWL本體進(jìn)行精煉、評估和驗(yàn)證。

4 實(shí)例

使用MS SQL Server 2000創(chuàng)建一個包含大學(xué)基本信息情況的關(guān)系數(shù)據(jù)庫University，并插入實(shí)例數(shù)據(jù)。利用OntoLearner對該數(shù)據(jù)庫進(jìn)行本體學(xué)習(xí)，運(yùn)行結(jié)果如圖2所示。

語義Web研究的重點(diǎn)就是如何把信息表示為計(jì)算機(jī)能夠理解和處理的形式，即帶有語義。本體在創(chuàng)建這種機(jī)器可理解和處理的Web內(nèi)容中扮演著關(guān)鍵的角色。由于關(guān)系數(shù)據(jù)庫是本體學(xué)習(xí)重要的知識源，所以研究從關(guān)系數(shù)據(jù)庫學(xué)習(xí)OWL本體的方法，對數(shù)據(jù)密集型Web站點(diǎn)向語義Web遷移、動態(tài)Web頁語義標(biāo)注、構(gòu)建新一代信息管理基礎(chǔ)結(jié)構(gòu)等均具有重要的現(xiàn)實(shí)意義。

[1]STAAB S,MAEDCHE A.Ontology learning for the semantic Web[J/OL].IEEE Intelligent Systems,2001,16(2):72-79.

[2]王能斌.數(shù)據(jù)庫系統(tǒng)教程（上冊）[M].北京:電子工業(yè)出版社,2002：22-238.

[3]MICHAEL K S,CHRIS W,DEBORAH L.OWL Web ontology language guide(W3C Recommendation)[J/OL].(2004-02-10).http://www.w3.org/TR/2004/REC-owl-guide-20040210/.

[4]CHIANG R HL,BARRON T M,STOREY VC.Reverse engineering of relational databases:extraction of an EER model from a relational database[C].Data&Knowledge Engineering,1994,12(2):107-142.

[5]XU Zhuo Ming,CAO Xiao,DONG Yi Sheng,et al.Formal approach and automated tool for translating ER schemata into OWL ontologies[J/OL].Advances in Knowledge Discovery and Data Mining，2004(3056)：464-475.

[6]王琦.計(jì)算機(jī)與信息技術(shù)[M].安徽：安徽省計(jì)算機(jī)學(xué)會.2009.